ドローンにおける画像スケールの大きな変化、小さなターゲットサイズ、ドローン搭載の組み込み計算リソースが限られているという問題に対し、ドローンプラットフォームに適用可能な軽量化されたターゲット検出ネットワークを提案する。本ネットワークはYOLOv5を基準モデルとし、まずスケール変化の問題を処理するために検出ブランチを追加した。続いて、正規化されたワッサースタイン距離と従来のIOUを組み合わせた小物体検出評価手法を提案し、小さい目標検出精度の低さの問題を解決した。その後、FasterNetとC3を融合した軽量ネットワーク構造C3_FNを提案し、ネットワークの計算量を削減し、ドローンプラットフォームでの利用に適合させた。最後にアルゴリズムをシミュレーションプラットフォームと組み込みプラットフォームでドローン目標検出データセットVisDroneを用いて性能テストを行った。シミュレーションプラットフォーム上のテスト結果は、本研究のネットワークが基準ネットワークと比較してmAP_0.5指標で6.6%、mAP_0.5-0.95指標で4.8%向上し、推論時間はわずか45.9msで、他の主要なドローン目標検出ネットワークと比べて優れた検出性能を示した。組み込み機器であるNVIDIA Jetson Nano上のテスト結果は、本アルゴリズムが限られたハードウェアリソース下でも高精度かつリアルタイムに近い検出性能を実現できることを示した。

ドローン; 目標検出; 正規化ワッサースタイン距離; 軽量ネットワーク